Covid19 UIN Suska Riau Info Covid 19, UIN SUSKA Riau
Artikel terkait
SimcovID Team telah merilis penelitian terbaru terkait fenomena pandemi COVID-19 di Indonesia. Tim ini terdiri dari belasan peneliti dari berbagai perguruan tinggi di antaranya ITB, Unpad, UGM, ITS, UB, Undana, bahkan termasuk peneliti perguruan tinggi luar negeri asal Indonesia yaitu Essex & Khalifa University, University of Southern Denmark, dan Oxford University. Salah satu hasilnya menyatakan,kebijakan karantina wilayah yang disertai dengan rapid-test merupakan skenario terbaik yang dapat dipilih pemerintah jika ingin meredakan pandemi dengan lebih cepat. Hasil tersebut berdasarkan kajian proyeksi waktu puncak dan jumlah kasus kematian dari skenario kebijakan pemerintah. Tim SimcovID membagi terlebih dahulu jenis skenario yang akan dikaji ke dalam tiga pilihan, yaitu tanpa kebijakan, kebijakan memperketatsocial/physical distancing, dan karantina wilayah. Selain itu, Tim SimcovID juga menambahkan faktor waktu penerapan kebijakan dan waktu pelaporan atau waktu konfirmasi kasus sebagai faktor kualitatif lainnya.Dari hasil model tersebut, diyakini bahwa fenomena pandemi di Indonesia dapat mereda lebih cepat serta lebih sedikit kasus kematiannya jika pemerintah menerapkan pilihan skenario karantina wilayah yang diikuti dengan melakukanrapid-test, dan segera memulai kebijakan-kebijakan tersebut.
Dalam penelitian tersebut, tim mencoba menjawab permasalahan-permasalahan yang lebih kompleks dan spesifik dengan pendekatan model yang lebih reaslistik. Dalam kajian ilmiah ini Tim SimcovID menjawab tiga rumusan masalah. Pertama, lewat model SEIRQD (Suceptible-Exposed-Quarantine-Recovery-Death), mereka ingin menghasilkan analisa terkait estimasi kepadatan kasus COVID-19 per 100.000 jumlah penduduk dan menunjukkan seberapa besar perkiraan kasus yang tidak terdeteksi dari provinsi-provinsi di Indonesia. Kedua, menggunakan metode Extended Kalman Filter, Tim SimcoviID berusaha untuk memberikan nilai Ro yang tepat bagi kejadian di Indonesia. Dan ketiga, Tim SimcoviID menyiapkan proyeksi waktu puncak dan jumlah kasus kematian dari beberapa skenario kebijakan pemerintah yang mungkin akan dilaksanakan dalam menghadapi situasi pandemi ini.
1. Analisa Estimasi Kepadatan Kasus COVID-19
Menjawab permasalahan yang pertama tim berusaha menentukan estimasi parameter yang tepat melalui data yang ada, walaupun validitas data kasus terlapor masih diasumsikan rendah. Oleh sebab itu estimasi parameter juga dilakukan melalui data kematian yang diasumsikan lebih dapat dipercaya dibandingkan data kasus terlaporkan. Setelah data-data tersebut diolah, tim menyimpulkan, Provinsi DKI Jakarta menempati urutan pertama sebagai provinsi dengan estimasi kepadatan kasus COVID-19 per 100.000 orang tertinggi di Indonesia dengan estimasi kasus yang tidak terdeteksi sebesar 32.000 (dalam selang kepercayaan 86%) kasus. Jumlah kasus ini jauh meninggalkan estimasi nomor dua yang diduduki oleh Provinsi Jawa Barat dengan 8.090 kasus tak terdeteksi dengan selang kepercayaan yang sama.
Untuk estimasi dari jumlah kasus COVID-19 yang terdeteksi berdasarkan pemodelan ini, Provinsi Bengkulu menjadi provinsi yang paling kecil kemampuan deteksinya yakni 0.26% dari perkiraan total kasus provinsi sebesar 385 kasus. Dari pemodelan ini, terlihat bahwa provinsi-provinsi yang presentase perkiraan kasus tidak terdeteksinya tinggi ada di luar pulau Jawa, seperti Bengkulu, Papua Barat, Sumatera Selatan, dan beberapa provinsi lain.
Ada dua catatan penting menyangkut estimasi-estimasi yang dilakukan pada kajian ilmiah ini. Pertama, analisa estimasi hanya dilaksanakan pada provinsi-provinsi yang sudah ada kasus kematiannya. Kedua, hasil estimasi ini hanya valid jika seluruh pasien yang terkonfirmasi COVID-19 dan meninggal dianggap tidak melakukan perjalanan lintas provinsi selama sekurang-kurangnya dua minggu. Asumsi-asumsi yang dipakai juga didasarkan data yang ada sampai tanggal 31 Maret 2020.
2. Perhitungan Nilai Ro
Berikutnya Tim SimcovID menganalisis menggunakan pendekatan Basic Reproductive Number (R), dengan harapan nilai R0 harus kurang dari satu (R0<1). Ini bisa dicapai dengan melakukan berbagai intervensi pemerintah. Menggunakan Extended Kalman Filter (EKF), bahwa nilai Ro di Indonesia sekarang ada pada kisaran angka 3.3. Nilai Ro itu menggambarkan jumlah kelahiran kasus baru akibat 1 orang terinfeksi saat masuk ke dalam suatu populasi yang sepenuhnya sehat dan potensial untuk sakit. Beberapa referensi menggunakan istilah ini dengan faktor penggandaan. Target kdepannya, bagaimana peran pencegagar yang akan mengakibatkan nilai Ro agar kurang dari 1 sehingga kita bisa mengejar keadaan bebas penyakit.
Intervensi dari pemerintah dilakukan untuk mengurangi Reproduksi (R0) virus. Langkah ini bisa juga dikatakan untuk mengurangi jumlah orang yang terinfeksi oleh setiap kasus yang dikonfirmasi. Mengurangi reproduksi virus berarti juga menetapkan “R0” berada di bawah satu (R0<1), dengan menjaga angka rata-rata penularan dari setiap kasus tetap kurang dari satu orang. Dari perhitungan yang tim lakukan, berdasarkan pada kasus kematian antara satu hingga empat persen dan dihitung menggunakan estimasi nonlinear kalman filter, diperoleh simulasi kurang lebih satu orang (R0) bisa menginfeksi tiga orang. Ada dua cara yang bisa dilakukan untuk mendapatkan hasil R<1, yakni mitigasi dan supresi.
- Tujuan Mitigasi. memperlambat penyebaran, tapi angka reproduksi tetap di atas 1, tujuannya utamanya agar rumah sakit dapat menampung yang memerlukan. epidemi selesai apabila hampir seluruh penduduk terinfeksi dan terbentuk kekebalan kelompok (herd immunity)
- Tujuan Supresi. Menekan laju penyebaran agar angka reproduksi di bawah 1 laju penambahan kasus baru akan terus berkurang hingga akhirnya penyakit hilang dari masyarakat Setelah penyakit hilang, ada kemungkinan terjadinya gelombang kedua, ketiga, dan seterusnya.
3. Proyeksi waktu puncak dan Jumlah Kasus Kematian dari beberapa Skenario Kebijakan Pemerintah
Terakhir, dalam melakukan kajian proyeksi waktu puncak dan jumlah kasus kematian dari skenario kebijakan pemerintah, Tim SimcovID membagi tiga skenario. pertama, tanpa kebijakan (tanpa intervensi), kedua kebijakan memperketat social/physical distancing (skenario mitigasi), dan ketiga karantina wilayah (Skenario supresi). Selain itu, mereka juga menambahkan faktor waktu penerapan kebijakan dan waktu pelaporan/waktu konfirmasi kasus sebagai faktor kualitatif lainnya.
Hasilnya, jika tanpa intervensi, maka jumlah kematian akibat COVID-19 di Indonesia bisa mencapai 2,6 juta orang. Durasi epidemi diperkirakan berlangsung sekitar 4 hingga 5 bulan, dengan puncak kasus infeksi mencapai 55 juta orang pada Mei 2020, dan puncak kebutuhan ICU sekitar 6 juta orang.
Sedangkan jika mitigasi diterapkan pada 15 Maret 2020, maka jumlah kasus virus corona akan jauh lebih sedikit, kendati nilai R masih lebih dari 1 (R>1). Jumlah kasus kematian diperkirakan bisa mencapai 1,2 juta orang. Epidemi berlangsung selama 10 hingga 13 bulan, dengan puncak kasus infeksi 5,5 juta orang di awal Juli 2020, dan puncak kebutuhan ICU sekitar 600 ribu orang.
Sementara untuk skenario supresi yang jika dimulai pada 12 April 2020, maka nilai R bisa kurang dari 1 (R<1). Jumlah kematian ditaksir mencapai 120 ribu orang. Durasi epidemi 6 hingga 7 bulan, dengan puncak kasus mencapai 1,6 juta orang terinfeksi pada Akhir April atau awal Mei 2020, dan kebutuhan ICU 120 ribu orang. Dari simulasi tersebut, terlihat intervensi dari pemerintah dengan cara menerapkan lockdown, physical distancing, Pembatasan Sosial Berskala Besar (PSBB), Work From Home (WFH), dan upaya lain yang membatasi mobilitas warga bisa mengurangi angka penularan yang cukup signifikan.
Hasilnya, kajian ilmiah tersebut menyimpulkan bahwa skenario kebijakan karantina wilayah dalam waktu dekat disertai dengan rapid-test adalah skenario terbaik yang dapat dilakukan pemerintah. Dari hasil model mereka, kita bisa yakin bahwa fenomena pandemi di Indonesia dapat mereda lebih cepat serta lebih sedikit kasus kematian jika pemerintah menerapkan karantina wilayah, melakukan rapid-test, dan segera memulai kebijakan-kebijakan tersebut.
